编辑推荐：
许多零售区域正陷入零售区域访问量下降和店铺关闭的“恶性循环”。城市试图通过干预措施（例如举办事件）来振兴零售区域，以缓解这一负面趋势。本研究探讨事件是否以及哪些事件能够对零售区域访问量产生正向的增量（或：净）效应。具体而言，研究探索了哪些事件特征和事件时间安排
许多零售区域正陷入零售区域访问量下降和店铺关闭的“恶性循环”。城市试图通过干预措施（例如举办事件）来振兴零售区域，以缓解这一负面趋势。本研究探讨事件是否以及哪些事件能够对零售区域访问量产生正向的增量（或：净）效应。具体而言，研究探索了哪些事件特征和事件时间安排最能增加零售区域访问量。通过对两个城市的事件面板数据与合成对照组进行比较分析，结果显示，事件对事件期间的零售区域访问量具有正向效应（访客量增加+5.9%），且未出现事件前/后的负面蚕食效应。事件的正向效应取决于事件特征和时间安排：零售类事件（+22.2%，相较于非零售事件）会增强对访问量的正向效应，而较长的事件持续时间则会削弱该效应。然而，事件驱动下的零售区域访问量增长可能具有再分配性质，其代价是邻近城市零售区域访问量的下降，这为活动组织者带来了潜在的权衡取舍。这些发现可作为实证基准，帮助政策制定者和零售商评估事件的有效性，因为事件的举办需要投入大量成本。
**论文解读**
**研究背景**
近年来，全球众多城市的核心零售区域（retail area）正面临严峻挑战。随着电子商务的冲击、消费者购物习惯的改变以及大型主力店铺（anchor store）的关闭，高街零售（high street retail）普遍陷入“恶性循环”（vicious circle）：零售区域访问量持续下滑，导致店铺相继关闭，而店铺的进一步关闭又反过来加剧了访问量的减少。例如，美国核心零售区域的店铺数量预计在2023至2028年间将减少9%，而英国的零售区域访问量在2023年已比2019年下降了13%。面对这一困境，零售商个体往往难以独立提升整个零售区域的客流量，他们高度依赖城市管理者或地方零售商协会采取干预措施来打破僵局。在此背景下，举办各类活动（events）成为一种广受欢迎的振兴策略。然而，现有研究对事件效果的评估多停留在轶事证据层面，缺乏系统性的量化分析。例如，对于事件是否能在不蚕食事件前后时期访问量的前提下产生净增量效应（incremental effect），以及哪些事件特征（如零售聚焦性、举办空间、街道封闭）和时间安排（如持续时间、间隔、重复性）能最大化其效果，学术界尚未给出明确答案。更重要的是，研究者们普遍忽视了一个潜在问题：某零售区域因事件获得的访问量增长，是否是以牺牲邻近城市零售区域的访问量为代价的跨区域再分配（redistributive）效应。因此，本研究旨在通过严谨的准实验方法，系统评估事件作为振兴工具的实际有效性，并深入分析其调节因素与空间溢出效应。该研究成果发表于《JOURNAL OF RETAILING》。
**研究方法与关键技术**
研究人员采用了准实验设计（quasi-experiment），通过对比分析实际观测数据来识别因果关系。关键技术方法包括：1）**合成对照组法（Synthetic Control Group）**：研究人员为两座德国大城市（人口60-70万）的中央零售区域，基于人口统计学协变量（人口数、家庭收入、年轻及老年人口比例），通过协变量平衡倾向得分（Covariate Balancing Propensity Score, CBPS）从64个备选城市中分别匹配出7个城市，以加权方式构建合成对照组，从而消除因城市间结构性差异带来的内生性问题。2）**面板数据回归模型**：研究构建了包含城市、周、星期几等多个固定效应的普通最小二乘法（Ordinary Least Squares, OLS）模型，分析113个事件在7年观测期内（2019年5月至2025年12月，排除2020年3月至2021年12月的新冠疫情期）对零售区域传感器采集的每日访客量（footfall）的影响。3）**控制函数法（Control Function）**：为处理城市可能因策略性选择事件举办时间而带来的内生性（endogeneity），研究引入一个来自样本外城市的同期事件作为工具变量，通过两阶段回归剔除策略性时间选择带来的估计偏差。4）**效应分解法（Decomposition Approach）**：借鉴促销效果分解模型，研究人员将事件效应分解为“事件期间（During Event Visits, DEV）”、“事件前后（Pre/Post Visits, PPV）”和“总时期（Total Event Visits, TEV）”三个窗口，以准确评估事件的净增量效应及其时间上的蚕食关系。
**研究结果**
本研究的核心发现分为四个主要方面，对应四个研究问题（RQ1-RQ4）：
**RQ1: 事件对零售区域访问量的增量效应（Main Effect）**
通过分析113个事件数据，研究证实：**事件期间（DEV）**，零售区域访问量显著增加5.9%（β=0.057, p<0.001）。在**事件前后期（PPV）**，访问量未出现显著的正向或负向变化（β=0.000, p=0.99），表明不存在因消费者将访问时间提前或推迟而导致的“访问库存”式蚕食效应。因此，事件在**总时期（TEV）**产生了3.4%的净增量效应（β=0.032, p<0.05），证实了事件作为振兴工具的有效性。
**RQ2: 事件特征的调节作用（Event Characteristics）**
研究进一步分析了三类事件特征的调节效应：
* **零售聚焦（Retail Focus）**：零售类事件（如主题市场、购物节、夜市）对访问量的正向效应显著强于非零售类事件，其效应量高达+22.2%（β=0.103, p<0.05）。这是因为零售事件临时增加了零售供给，通过集聚效应（agglomeration effects）提升了消费者的预期效用。
* **公共空间（Public Space）**：在公共空间（如步行区、公园）举办的事件与在室内举办的事件相比，对访问量的影响无显著差异（β=0.022, p=0.66）。
* **街道封闭（Street Closure）**：涉及街道封闭的事件并未显著减弱或增强事件对访问量的积极影响（β=0.062, p=0.50），表明由此带来的交易成本增加可能不足以抵消事件本身提供的额外效用。
以上结论表明，事件主办方应优先选择举办零售聚焦型活动。
**RQ3: 事件时间安排的调节作用（Event Timing）**
研究检验了三个时间维度的影响：
* **持续时间（Duration）**：随着事件天数的增加，其每日的平均访问量增量效应显著递减，每增加一天，效应下降0.56%（β=-0.005, p<0.01）。通过对累积效应的敏感性分析显示，一个单日事件可带来约11%的访客提升，而一个10天事件的每日平均提升降至5.9%。研究建议，事件的最优持续时间约为10天，超过此阈值后边际效应显著减弱。
* **时间间隔（Spacing）**与**重复性（Recurrence）**：事件之间的时间间隔以及事件是否为年度/定期重复举办，对事件的访问量效应未表现出显著的调节作用（p值分别为0.80和0.47）。值得注意的是，样本中89%的事件为重复性事件，这限制了该变量的方差。
**RQ4: 跨零售区域蚕食效应（Cross-Retail Area Cannibalization）**
研究首次实证检验了事件的空间溢出效应。结果发现，焦点城市举办事件期间，其邻近城市（相距约20公里）零售区域的访问量**显著下降了14.5%**（β=-0.157, p<0.001）。在绝对数量上，焦点零售区域平均增加约1,798名访客（基于30,473的日均基线），而邻近零售区域则损失约1,343名访客（基于9,264的日均基线）。这一发现表明，事件带来的访客增长具有显著的再分配性质，其效果可能在一定程度上是一场零和博弈（zero-sum game），尤其是在同一城市内存在多个零售区域时，某个区域的繁荣可能以另一个区域的衰退为代价。
**讨论与结论翻译**
**讨论总结**：
这项研究为事件作为振兴零售区域的工具提供了严谨的实证依据。研究证实，即使是城市可自行决策的中小型事件（而非不可控的 mega-events），也能显著提升零售区域访问量（+5.9%），且不会蚕食前后的访问量。然而，其效果高度取决于事件类型（零售聚焦型效果最强，达+22.2%）和时长（效应随事件延长而递减）。更重要的是，这种访客增长具有再分配性质：焦点零售区域的访客增加是以邻近城市零售区域访客的显著减少（-14.5%）为代价的。这为政策制定者和零售商提供了关键的权衡信息：在规划事件时，不仅要考虑本区域的最大化收益，还需评估对周边区域可能造成的负面影响，以避免陷入代价高昂的内部竞争。从成本效益角度估算，每个新增访客的平均成本约为18欧元。对于零售商而言，他们可以通过优化店内陈列和促销活动来最大化事件期间的高客流转化率，例如尝试更醒目的店铺展示或增加品牌促销。
**研究结论翻译**：
本研究考察了作为振兴零售区域工具的事件，在通过刺激零售区域访问量来帮助打破店铺关闭和零售区域访问量下降的“恶性循环”方面的有效性。通过分析两大城市的113个事件并将其与来自多个城市的合成对照组进行比较，研究发现：
（1）事件在活动当天使零售区域访问量增加了5.9%（RQ1a）。由于研究测量的是整个零售区域多点位的访客频率（而非仅限于事件举办地），因此这是一个显著的收益。此外，研究未在事件前/后观察到负向（例如，因“囤积”访问行为导致的访问蚕食：Bell, Iyer, and Padmanabhan 2002）或正向效应（例如，来自“提前到达”的溢出效应）。因此，在分析事件期间及事件前/后的总效应时，事件对访问量仍具有正向效应（日均提升3.4%，RQ1b）。
（2）但这种零售区域访客提升的强度取决于事件特征（RQ2a-c）和事件时间安排（RQ3a-c）：零售聚焦型事件在事件期间具有最强的正向效应（+22.2%）。因此，零售聚焦型事件是最大化城市零售区域访客水平的首选干预措施。其他事件特征（即公共空间和街道封闭）不会影响事件对访问量的效应。
（3）此外，研究发现随着事件持续时间的增加，访客效应会下降（从单日事件的11.24%基础起，每增加一天下降0.56%）。研究还进行了一项说明性敏感性分析，以评估不同持续时间事件的总访客效应。在此分析中，将每个持续时间的事件效应估计值乘以事件持续时间，以计算累积事件效应。日均访客效应随事件延长而下降，但累积效应呈现倒U形，其转折点大约在10天处（95个事件[总数的84%]低于或等于该阈值，18个[16%]高于该阈值）。请注意，对于较短事件，估计的置信度更高，因为它们在数据中出现得更频繁。
（4）然而，零售区域的增量访客收益具有再分配性质，因为它减少了邻近城市零售区域的访问量（RQ4）。研究发现，焦点城市的平均事件与邻近城市零售区域访问量下降14.5%相关，这表明消费者可能在事件期间转换零售区域（即贸易泄漏：Herrmann & Beik, 1968）。请注意，由于焦点和邻近城市零售区域的访客基数不同，绝对访客效应几乎相当（焦点区域增加1,798人对比减少1,343人）。然而，效应的大小将强烈依赖于邻近零售区域的特征，特别是其规模（此处显著更小）和距离（此处约20公里）。
